获取 SVM 的决策边界

Question

在以下示例中： http://scikit-learn.org/stable/auto_examples/svm/plot_separating_hyperplane.html

我想获得图中所示的（线）决策边界的系数。致电

clf.coef_ 

回报

[[-0.2539717  -0.83806387]]

如果我没记错的话，它代表了方程组

y = -0.83806387 * x - 0.2539717

然而，上面的直线并不是例子中得到的决策边界，那么 coef_ 到底是什么，如何得到线性决策边界的方程呢？

Answer 1

要获得线性模型决策边界线的方程，您需要同时获得coef_和intercept_。另请注意，由于您使用的是 SVC，因此将涉及多个决策边界。

直线方程可以构造为：

y = w0 + w1 * x1 + w2 * x2 + ...

w0是从哪里获得的intercept_，w1以后是在 中找到的coef_， 和x1以后是你的特征。

例如，此代码向您展示如何打印每个决策边界的方程。

from sklearn import svm
import numpy as np

clf = svm.SVC(kernel="linear")

X = np.array([[1, 2], [3, 4], [5, 1], [6, 2]])
y = np.array(["A", "B", "A", "C"])

clf.fit(X, y)

for (intercept, coef) in zip(clf.intercept_, clf.coef_):
    s = "y = {0:.3f}".format(intercept)
    for (i, c) in enumerate(coef):
        s += " + {0:.3f} * x{1}".format(c, i)

    print(s)

在此示例中，行确定为：

y = 2.800 + -0.200 * x0 + -0.800 * x1
y = 7.000 + -1.000 * x0 + -1.000 * x1
y = 1.154 + -0.462 * x0 + 0.308 * x1

资料来源：http ://scikit-learn.org/stable/modules/linear_model.html